> ## Documentation Index
> Fetch the complete documentation index at: https://private-7c7dfe99-mintlify-8c05c8a2.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> Агрегатная функция, вычисляющая линейный прогноз по данным временных рядов в стиле PromQL на указанной сетке.

# timeSeriesPredictLinearToGrid

<div id="timeSeriesPredictLinearToGrid">
  ## timeSeriesPredictLinearToGrid
</div>

Добавленный в: v25.6.0

Агрегатная функция, принимающая данные временных рядов в виде пар из временных меток и значений и вычисляющая [линейный прогноз в стиле PromQL](https://prometheus.io/docs/prometheus/latest/querying/functions/#predict_linear) с заданным смещением временной метки прогноза относительно этих данных на регулярной временной сетке, заданной начальной временной меткой, конечной временной меткой и шагом. Для каждой точки сетки выборки для вычисления `predict_linear` учитываются в пределах указанного временного окна.

<Note>
  Эта функция является экспериментальной; чтобы включить её, задайте `allow_experimental_ts_to_grid_aggregate_function=true`.
</Note>

**Синтаксис**

```sql theme={null}
timeSeriesPredictLinearToGrid(start_timestamp, end_timestamp, grid_step, staleness, predict_offset)(timestamp, value)
```

**Параметры**

* `start_timestamp` — Указывает начало сетки. - `end_timestamp` — Указывает конец сетки. - `grid_step` — Указывает шаг сетки в секундах. - `staleness` — Указывает максимально допустимое "устаревание" рассматриваемых выборок в секундах. Окно устаревания — это интервал, открытый слева и закрытый справа. - `predict_offset` — Указывает количество секунд смещения, добавляемого ко времени прогноза.

**Аргументы**

* `timestamp` — Временная метка выборки. Может быть отдельным значением или массивом. - `value` — Значение временного ряда, соответствующее временной метке. Может быть отдельным значением или массивом.

**Возвращаемое значение**

Значения `predict_linear` на указанной сетке в виде `Array(Nullable(Float64))`. Возвращаемый массив содержит по одному значению для каждой точки временной сетки. Значение равно NULL, если в пределах окна недостаточно выборок для вычисления значения скорости для данной точки сетки.

**Примеры**

**Вычислить значения predict\_linear на сетке \[90, 105, 120, 135, 150, 165, 180, 195, 210] со смещением 60 секунд**

```sql title=Query theme={null}
WITH
    -- ПРИМЕЧАНИЕ: промежуток между 140 и 190 показывает, как заполняются значения для ts = 150, 165, 180 в соответствии с параметром window
    [110, 120, 130, 140, 190, 200, 210, 220, 230]::Array(DateTime) AS timestamps,
    [1, 1, 3, 4, 5, 5, 8, 12, 13]::Array(Float32) AS values, -- массив значений, соответствующих временным меткам выше
    90 AS start_ts,       -- начало сетки временных меток
    90 + 120 AS end_ts,   -- конец сетки временных меток
    15 AS step_seconds,   -- шаг сетки временных меток
    45 AS window_seconds, -- окно «устаревания»
    60 AS predict_offset  -- смещение времени прогноза
SELECT timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamp, value)
FROM
(
    -- Этот подзапрос преобразует массивы временных меток и значений в строки `timestamp`, `value`
    SELECT
        arrayJoin(arrayZip(timestamps, values)) AS ts_and_val,
        ts_and_val.1 AS timestamp,
        ts_and_val.2 AS value
);
```

```response title=Response theme={null}
┌─timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamp, value)─┐
│ [NULL,NULL,1,9.166667,11.6,16.916666,NULL,NULL,16.5]                                                            │
└─────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘
```

**Тот же запрос с аргументами-массивами**

```sql title=Query theme={null}
WITH
    [110, 120, 130, 140, 190, 200, 210, 220, 230]::Array(DateTime) AS timestamps,
    [1, 1, 3, 4, 5, 5, 8, 12, 13]::Array(Float32) AS values,
    90 AS start_ts,
    90 + 120 AS end_ts,
    15 AS step_seconds,
    45 AS window_seconds,
    60 AS predict_offset
SELECT timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamps, values);
```

```response title=Response theme={null}
┌─timeSeriesPredictLinearToGrid(start_ts, end_ts, step_seconds, window_seconds, predict_offset)(timestamp, value)─┐
│ [NULL,NULL,1,9.166667,11.6,16.916666,NULL,NULL,16.5]                                                            │
└─────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘
```